文献

J-GLOBAL ID：202002248192800298   整理番号：20A2258322

スペクトル学習によるハイパースペクトル異常検出のための識別再構成【JST・京大機械翻訳】

Discriminative Reconstruction for Hyperspectral Anomaly Detection With Spectral Learning

著者 (5件)： Lei Jie (State Key Laboratory of Integrated Services Networks, Xidian University, Xi’an, China) ,  Fang Shuo (State Key Laboratory of Integrated Services Networks, Xidian University, Xi’an, China) ,  Xie Weiying (State Key Laboratory of Integrated Services Networks, Xidian University, Xi’an, China) ,  Li Yunsong (State Key Laboratory of Integrated Services Networks, Xidian University, Xi’an, China) ,  Chang Chein-I (Center of Hyperspectral Imaging in Remote Sensing, Information and Technology College, Dalian Maritime University, Dalian, China)
資料名： IEEE Transactions on Geoscience and Remote Sensing  (IEEE Transactions on Geoscience and Remote Sensing)
巻： 58  号： 10  ページ： 7406-7417  発行年： 2020年 
JST資料番号： H0016B  ISSN： 0196-2892  CODEN： IGRSD2  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 最近,オートエンコーダ(AE)ベースの異常検出は,ハイパースペクトル画像(HSI)解析においてかなりの興味を引いている。本論文では,スペクトル学習(SLDR)によるハイパースペクトル異常検出画像のための新しい識別再構成法を提案した。提案したアルゴリズムには,次の技術革新がある。最初に,スペクトル誤差マップ(SEM)を用いて,SEMが入力と再構成の間の各画素のスペクトル類似性を優先的に反映するので異常を検出した。第2に,提案したSLDRモデルの損失関数は,さらにスペクトル角度距離(SAD)を導入し,入力に対してより大きなスペクトル類似性を持つ再構成を生成するモデルを制約する。第3に,制約をエンコーダに課し,ユニットGauss分布に従う潜在変数を生成し,これは復号器が入力に関してより良い背景を再構成するのを助ける。2つの実際のHSIデータセットを通して,Reed Display Xiaoli(RX),協調表現検出(CRD),属性およびエッジ保存フィルタリングベースの異常検出(AED)および敵対自動符号器ベースの異常検出(AAE)と比較して,提案したSLDR方法の検出性能は,競合することがわかった。Copyright 2020 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  *学習 ,  正規分布 ,  損失関数 ,  復号器 ,  *スペクトル ,  画素 ,  符号器 ,  再構成 ,  類似性
準シソーラス用語： *ハイパースペクトル ,  ハイパースペクトル画像 ,  検出能 ,  異常検出 ,  エッジ保存 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (6件)： スペクトル ,  学習 ,  ハイパースペクトル ,  異常検出 ,  識別 ,  再構成